오늘은 AI의료의 현재를 이야기해보겠습니다.교육 현장에서 일하다 보면 AI가 얼마나 빠르게 우리 일상 깊숙이 파고들었는지 실감합니다. 그런데 최근 의료 분야 이야기를 접하고 나서는 솔직히 좀 다른 감정이 들었습니다. 편리함의 문제가 아니라, 생사가 달린 영역에서까지 AI가 의사를 대체하기 시작했다는 사실이 단순한 기술 발전으로 느껴지지 않았거든요.
의료 현장, AI가 조용히 들어온 자리
여러분은 병원에서 MRI나 X-ray 결과를 기다릴 때 그 판독을 누가 하는지 생각해 보신 적 있으신가요?
제가 교육 현장에서 일하면서 AI를 처음 접했을 때가 생각납니다. 학생들이 숙제를 들고 오더니 "선생님, 이제 ChatGPT 돌리면 다 나와요"라고 했을 때, 처음엔 반신반의했습니다. 그런데 실제로 써봤더니 정말이더군요. 시험 문제를 만들 때도 예전엔 교과서와 교재를 번갈아 뒤지며 몇 시간씩 걸리던 작업이, 단원과 출제 의도만 입력하면 몇 분 만에 완성됐습니다. 제 경험상 이건 단순한 편의가 아니라 일하는 방식 자체가 바뀌는 것이었습니다.
의료 현장도 크게 다르지 않습니다. AI가 의료 분야에서 활용되는 영역은 크게 다섯 가지로 정리됩니다.
- 진료 기록 분석 및 임상 의사 결정 보조
- 의료 영상(X-ray, MRI, CT) 자동 판독
- 생체 신호 연속 모니터링 및 예측 의료
- 신약 개발 가속화
- 수술 로봇 자동화 연구
이 중에서 이미 병원에 도입된 것들이 상당수입니다. 환자가 인식하지 못하는 사이에 AI 기반 판독이나 분석이 진료 과정에 포함되어 있는 경우도 있습니다.
특히 머신러닝(Machine Learning) 기반의 의료 영상 분석 기술이 빠르게 실용화되고 있습니다. 머신러닝이란 수천, 수만 장의 데이터를 학습하여 스스로 패턴을 인식하고 판단을 내리는 기술을 의미합니다. 사람이 일일이 규칙을 정해주지 않아도 AI가 스스로 학습한다는 점에서, 방대한 영상 데이터를 다뤄야 하는 의료 분야와 궁합이 맞습니다.
AI 진단, 의사보다 나은가
의사와 AI가 협력하면 당연히 더 좋은 결과가 나오지 않을까요? 저도 처음엔 그렇게 생각했습니다.
오픈AI는 2024년, 대형 언어 모델(LLM)의 의학적 실력을 평가하기 위해 헬스벤치(HealthBench)라는 벤치마크를 개발했습니다. LLM이란 방대한 텍스트 데이터로 학습된 거대 AI 모델로, 의학 질문에 대한 답변 품질을 5,000개의 시나리오로 평가합니다. 과거에는 의사 면허 시험 문제로 AI 실력을 가늠했지만, 이제는 AI가 너무 잘 풀어서 변별력이 사라졌습니다.
연구 결과는 예상을 뒤엎었습니다. 2024년 버전 GPT에서는 의사와 AI가 협력했을 때 약간의 시너지가 있었지만, 2025년 버전에서는 AI 단독 답변과 의사가 수정한 답변 사이에 차이가 없거나 오히려 의사가 개입하면 결과가 나빠지는 경우가 나타났습니다. 텍스트 기반 의학 상담에서는 AI 단독이 더 효과적일 수 있다는 결과입니다.
실제 영상 판독 분야에서도 이미 변화가 시작됐습니다. 스웨덴의 한 병원은 유방암 정기 검진 시 영상의학과 전문의 2명이 유방촬영술(Mammography)을 이중으로 판독하는 방식을 운영해 왔습니다. 유방촬영술이란 X-ray를 이용해 유방 조직의 이상 여부를 확인하는 대표적인 암 조기 검진 방법입니다. 이 병원은 한국 AI 기업 루닛의 판독 보조 AI를 도입해 전문의 한 명을 AI로 대체하는 임상 연구를 진행했습니다.
결과는 꽤 명확했습니다. 전문의 1명을 루닛 AI로 대체했더니 오히려 더 많은 암 환자를 발견했고, 전문의 2명 모두를 AI로 대체해도 기존 수준과 거의 동일한 성과가 나왔습니다. 이 병원은 2023년부터 실제 진료 현장에 이 방식을 적용 중이며, 위양성(False Positive) 비율도 줄었다고 보고됐습니다. 위양성이란 실제로는 이상이 없는데 이상이 있는 것으로 잘못 판단하는 오진을 말합니다. 이 수치가 줄었다는 것은 불필요한 추가 검사나 환자의 불안을 줄였다는 의미이기도 합니다.
의학 분야에서 AI의 진단 정확도에 관한 연구는 꾸준히 축적되고 있습니다(출처: 세계보건기구(WHO)). 또한 국내에서도 식품의약품안전처가 AI 기반 의료기기의 허가 기준을 강화하며 임상 데이터 검증을 요구하고 있습니다(출처: 식품의약품안전처).
의사의 미래, 어디로 향하는가
그렇다면 의사라는 직업은 어떻게 될까요? 이 질문이 지금 교육계에 있는 저로서는 남의 이야기가 아닙니다.
제 경험상 AI가 업무의 일부를 대체했을 때, 제가 없어진 것이 아니라 더 중요한 일에 집중할 수 있게 됐습니다. 문제 출제처럼 반복적이고 시간이 많이 걸리는 작업은 AI에게 넘기고, 학생 한 명 한 명을 이해하고 관계를 쌓는 데 더 많은 에너지를 쓸 수 있게 된 거죠. 의료 현장도 비슷한 방향으로 갈 가능성이 있습니다.
AI는 판독, 분석, 예측처럼 데이터 기반의 반복 업무에서는 이미 인간을 넘어서고 있습니다. 반면 환자의 두려움을 마주하고, 치료 방향을 함께 결정하고, 인간적인 신뢰를 쌓는 역할은 여전히 의사에게 남아 있습니다. 실제로 환자 입장에서 여전히 사람 의사를 선호하는 경향이 있는 것도 이 때문입니다.
낙관적으로 보면, AI는 의료 사각지대 문제를 해결하는 데 기여할 수 있습니다. 지방 소멸이 심화되는 지역에서 소수의 의사가 AI를 활용해 더 많은 환자를 효율적으로 돌볼 수 있다면, 의료 불균형 문제에 현실적인 해법이 될 수 있습니다. 비관적으로는 진단 효율이 높아질수록 필요한 의사 수가 줄어들 가능성도 있습니다. 지금 의대 진학을 고민하는 세대라면, 20~30년 후 의료 현장이 지금과 완전히 다를 수 있다는 점은 진지하게 생각해봐야 합니다.
AI는 이미 의료 현장에 들어와 있고, 그 속도는 우리의 예상보다 빠릅니다. 중요한 것은 AI를 거부하거나 두려워하는 것이 아니라, 어떻게 활용할 것인가를 먼저 생각하는 태도입니다. 저도 교육 현장에서 AI를 활용하면서 그 방향을 매일 고민하고 있습니다. 의사든 교사든, 결국 AI를 제대로 쓸 줄 아는 사람이 더 많은 사람을 도울 수 있는 시대가 되지 않을까 싶습니다. 이 글은 개인적인 경험과 의견을 공유한 것이며, 전문적인 의료 조언이 아닙니다.